Mistral OCR 4发布：结构化文档输出赋能RAG与Agentic搜索，支持170种语言
Mistral AI于2026年6月23日发布OCR 4，从纯文本提取升级为结构化文档输出，返回边界框、块分类和置信度分数。支持170种语言，单容器自托管部署，定价$4/千页。本文详解其技术细节、基准表现及对中文用户的应用价值。
一句话看懂
Mistral AI发布OCR 4，从纯文本提取转向结构化文档输出，每个块带边界框、类型标签和置信度分数，支持170种语言，定价$4/千页。
详细发生了什么
2026年6月23日，Mistral AI正式推出OCR 4，这是其文档理解模型的一次重大升级。与上一代仅输出纯文本和表格不同，OCR 4返回完整的结构化文档表示：每个内容块（标题、表格、公式、签名等）都附带边界框坐标、类型分类，以及逐页和逐词的置信度分数。
模型支持170种语言，覆盖10个语系，对稀有语种也有显著提升。在独立标注员的盲测中，OCR 4以平均72%的胜率击败所有竞品。定价为$4/千页，使用Batch API可降至$2/千页。同一API端点同时提供纯提取模式和Document AI模式，后者可按照用户定义的schema输出结构化JSON。
OCR 4可处理PDF、DOC、PPT、OpenDocument等常见企业格式，并支持单容器自托管部署，满足数据驻留和合规需求。它也是Mistral Search Toolkit（公开预览中）的组件，为RAG和Agentic工作流提供带引用的输入。
中文圈视角
对中文用户而言，OCR 4的170种语言支持覆盖了中文（简繁）、日文、韩文等东亚语系，但实际效果有待验证。国内已有百度OCR、合合信息、阿里云OCR等成熟产品，在中文文档（尤其是手写体、印章、复杂表格）上表现优异，且无需自建基础设施。
Mistral OCR 4的核心优势在于结构化输出和置信度分数，这对构建RAG pipeline非常关键——国内开发者若需处理多语言文档（如跨国合同），可考虑将其作为数据预处理环节。但需注意：自托管部署需要GPU资源，且API调用可能涉及数据出境，合规风险需评估。
一个尚未被广泛讨论的盲点是：OCR 4的边界框和块分类能力，能否直接用于中文文档的版面分析？国内很多PDF（如扫描版书籍、政府公文）版面复杂，现有开源方案（如PaddleOCR）已支持版面恢复，但缺乏统一的置信度机制。OCR 4的置信度分数可辅助人工审核，降低错误率。
几条值得记住的细节
- 定价：$4/千页（Batch API $2/千页），Document AI模式$5/千页。
- 基准成绩：OlmOCRBench 85.20，OmniDocBench 93.07，内部多语言评测0.98。
- 语言支持：170种语言，10个语系，对低资源语言有专门优化。
- 部署方式：单容器自托管，适用于企业数据驻留场景。
- 应用案例：发票结构化、档案数字化、RAG数据预处理、Agent自动填表。
一句话总结
Mistral OCR 4让文档理解从“读出来”升级为“结构化”，对构建可靠RAG和Agent工作流有直接价值，中文用户需权衡成本与合规。